基于Scipy，如何通过x与f(x,y)值反查lookup table中的y值？

你的思路完全可行：两次一维插值是常规解法 #

针对已知x和f(x,y)反求y的问题，你提出的两次独立一维插值思路是处理这类场景的标准方法，具体可按以下步骤实现：

步骤解析 #

1. 针对目标x*插值生成f(x*, y)序列
   假设查找表是规则网格数据（x、y各有一组离散取值，对应每个(x,y)的f值），先固定y维度，对x轴做插值，得到给定x*下所有y对应的f值序列。
2. 根据目标f_target反插得到y值
   基于第一步得到的f(x*, y)序列，将f值作为输入、y作为输出，做反向一维插值，即可得到对应f_target的y值。

代码示例（基于你的公式） #

import numpy as np
from scipy.interpolate import interp1d

# 生成模拟查找表数据
x_grid = np.linspace(0, 3, 7)  # x离散点：0, 0.5, 1, 1.5, 2, 2.5, 3
y_grid = np.linspace(1, 2, 11) # y离散点：1到2，步长0.1
X, Y = np.meshgrid(x_grid, y_grid)
f_grid = 0.1 * X + Y  # 示例公式生成的f值网格

# 给定目标参数
x_target = 1.5
f_target = 2.0

# 第一步：插值得到x_target对应的f(y)序列
f_at_x = interp1d(x_grid, f_grid, axis=1)(x_target)

# 第二步：反插f_target对应的y值
y_result = interp1d(f_at_x, y_grid, fill_value="extrapolate")(f_target)

print(f"计算得到的y值：{y_result:.2f}")  # 输出1.85，符合预期

进阶方案：二维插值+数值求解（适配散点数据） #

如果你的查找表是非规则散点数据，可先构建二维插值函数，再通过数值方法求解方程f(x_target, y) = f_target得到y值：

from scipy.interpolate import LinearNDInterpolator
from scipy.optimize import root

# 将网格数据转为散点集（如果是原始散点可直接用）
points = np.vstack([X.ravel(), Y.ravel()]).T
values = f_grid.ravel()

# 构建二维插值函数
f_2d_interp = LinearNDInterpolator(points, values)

# 定义待求解的方程
def solve_eq(y):
    return f_2d_interp(x_target, y) - f_target

# 求解方程（x0为初始猜测值）
res = root(solve_eq, x0=1.5)
y_opt = res.x[0]

print(f"优化得到的y值：{y_opt:.2f}")  # 输出1.85

方案选择建议 #

• 若为规则网格数据：两次一维插值效率更高，计算速度快；
• 若为非规则散点数据：二维插值+数值求解的方案通用性更强。

内容的提问来源于stack exchange，提问作者seedship